Locations¿Cómo “destrabar” el potencial de la innovación desde los usuarios a través de la Inteligencia Artificial?
3 de Octubre de 2023
Las innovaciones de abajo hacia arriba son cruciales para resolver desafíos de desarrollo, ya sean tan simples como adaptar una botella plástica para servir de mascarilla durante la pandemia COVID-19 o tan complejas pero transformadoras como un sistemas de páncreas artificial hecho por uno mismo. Las personas en el terreno tienen entendimientos profundos sobre los desafíos que enfrentan; además, al ser quienes están más cerca de los retos pueden usar herramientas y recursos disponibles de forma innovadora para desarrollar soluciones de base.
Por ello, cuando herramientas revolucionarias emergen, como la inteligencia artificial (IA) generativa, aquellos involucrados en la innovación informal deben identificar qué desafíos les permite resolver e igualmente importante cómo apoyar la innovación usando dicha herramienta.
Miembros de la Red de Laboratorios de Aceleración de PNUD están experimentando con el uso de IA generativa. A penas estamos al inicio del descubrimiento de sus casos de uso y la creciente lista de herramientas de IA generativa; por ejemplo, utilizando ChatGPT para explorar formas de promover el desarrollo humano sostenible, generar aplicaciones para el análisis de datos de encuestas, y evaluar sesgo de género.
Para mejorar nuestro uso de AI generativa e impulsar innovaciones, algunos de nosotros asistimos al taller del Laboratorio de Innovación de MIT en la Escuela de Negocios Sloan. El taller fue inaugurado y organizado por el profesor Eric von Hippel, quien con sus investigaciones sobre la innovación y la gestión de tecnologías ha inspirado la forma de trabajar de los Laboratorios de Aceleración de PNUD. El taller reunió participantes de la academia y una amplia variedad de innovadores quienes compartieron aprendizajes y experiencias en el reciente uso de IA generativa.
Aprendizaje 1: usa la IA generativa tanto como sea posible, para estar consciente de su potencial y beneficiarse de innovaciones
El taller nos permitió conocer aprendizajes clave de pensadores líder en el campo de la IA generativa. Por ejemplo, los principios propuestos por Ethan Mollick sobre cómo interactuar con IA generativa son un excelente punto de partida. Para Mollick, el uso de IA generativa debería ser tomado en cuenta en tantas tareas como sea posible para evaluar su potencial. También, indica que los usuarios de IA generativa deben darse cuenta de que la IA que utilizan ahora es probablemente "la peor IA que usarán” ya que estará constantemente evolucionando. Por otro lado, indica que los usuarios deben estar conscientes de las limitaciones de la IA generativa y usarla de forma crítica (incluyendo humanos).
Por su parte, el profesor Eric von Hippel sugirió durante su exposición en el taller de que la “consecuencia evolucionaria clave” de la IA generativa es que permite que los ciclos de prueba y error sean considerablemente más baratos, facilitando enormemente la prueba de hipótesis. Esto abre la puerta a formas más creativas y económicas de innovar para el desarrollo, y ofrece la esperanza de que la IA generativa nos acerque a territorios no explorados donde los usuarios lideran su descubrimiento.
Miembros de Laboratorios de Aceleración de PNUD con el profesor de MIT Eric von Hippel.
Aprendizaje 2: la IA generativa nos ayuda a expandir nuestras perspectivas y prototipar
La posibilidad de innovar está limitada por nuestra capacidad de hacer conexiones útiles, aprender de experiencias y plantear metas a lo largo de las distintas etapas en la solución de un problema. La IA generativa es útil porque facilita “expandir nuestras perspectivas”, “reducir la carga cognitiva” y “tomar atajos” durante procesos de innovación. Como resultado, esto permite oportunidades creativas para diversificar nuestra forma de pensar y automatizar tareas.
Otro aprendizaje muy impresionante del taller es que la IA generativa permite resolver problemas de formas que funcionan pero sin realmente explicar por qué. Por ejemplo, es posible generar mensajes que aumentan las interacciones en plataformas digitales sobre la importancia de reciclar, sin necesariamente explicar por qué reciben más atención, simplemente logran el resultado.
Esta falta de explicación por parte de la IA generativa pude ser ventajosa, permitiendo a los usuarios resolver problemas de forma efectiva y creativa. Sin embargo, en algunas circunstancias, la falta de entendimiento y explicación puede tener implicaciones éticas dado la importancia de la interpretación y rendición de cuentas. Es esencial encontrar un balance entre estos factores para maximizar el potencial de la IA generativa asegurando su aplicación de forma responsable y transparente.
Dicho esto, la IA generativa tiene la capacidad de rápidamente generar texto, código, imágenes, videos y sonidos que sirven como prototipos reduciendo la demanda cognitiva y habilidad usualmente requerida. Solamente estamos en los inicios de descubrir que beneficios brinda materializar fácil y rápidamente las ideas que expresamos en lenguaje natural. Es una posibilidad que puede canalizarse de muchas formas, desde resultados motivados por curiosidad hasta productos publicables para fines profesionales.
Aprendizaje 3: debemos prepararnos para el impacto de la IA… pero solo podemos hacerlo al usarla
Es difícil recordar un momento en la historia cuando “la última tecnología” se diseminó de forma tan rápida y amplia como lo hizo la IA generativa con el surgimiento de ChatGPT. Este crecimiento veloz trae riesgos conocidos y desconocido que pueden ir desde hacer trampa en las tareas escolares hasta despertar una consciencia artificial que desee dominar el mundo. Entre las preocupaciones frecuentes se mencionan disrupciones en el mercado laboral, propiedad intelectual (que propició huelgas entre creativos de Hollywood), además de la profundización de desigualdades y sesgos existentes.
A pesar de estos miedos, usuarios importantes de la IA generativa, como Ethan Mollick, consideran que tomará tiempo como regularla. Como si en un dilema del prisionero o una carrera armamentista, en la medida que la IA generativa ofrece una ventaja comparativa en los mercados que la utilizan, todos tienen un incentivo a utilizarla, especialmente si otros no la están utilizando. De muchas formas, el uso adecuado de la IA generativa es algo que aprenderemos por medio de errores, e incluso así, es posible que no se consigan los acuerdos amplios necesarios para limitar su uso.
Algunas de las mejores prácticas para el uso de IA generativa
- Transparencia y revelación explícita de su uso
- Resguardar privacidad y seguridad
- Validar y verificar resultados
- Atender sesgos y errores, especialmente al aplicarlo a nivel local o comunitario
En este sentido, la Red de Laboratorios de Aceleración de PNUD ya se encuentra trabajando en “cajas de arena regulatoria” que ofrecen aprendizajes sobre cómo guiar el uso de IA generativa para el desarrollo, y está trabajando conjuntamente con expertos en distintas áreas para considerar y mitigar su impacto. PNUD también está considerando activamente cómo lograr que la IA contribuya a superar los objetivos y metas de desarrollo sostenible.
En conclusión, el principal aprendizaje del taller es que el único camino a seguir es de frente: la forma más ágil de promover la innovación y mitigar los riesgos d tecnologías como la IA generativa es familiarizarse con ella y utilizarla. El desarrollo humano desde las bases requiere comprender que toda innovación es parte de un ecosistema más amplio que puede fortalecerse por medio de colaboración, experimentación y aprendizaje. Para resolver desafíos, los y las innovadores de base requieren involucrarse intensamente con las distintas herramientas a su disposición. En efecto, si eres un innovador utilizando IA generativa interesado en promover el desarrollo humano: ¡escríbenos!
Blog escrito por:
Drasko Draskovic (Jefe de Exploración, Serbia); Kristina Nikolic (Jefe de Experimentación, Serbia); Víctor Pereira (Jefe de Exploración, Guinea-Bissau); Javier Brolo (Jefe de Experimentación, Guatemala); Gina Lucarelli (Líder de Equipo); Eduardo Gustale (Especialista en Monitoreo, Experimentación y Aprendizaje).
